语言大模型 / LLM

Coherence in the brain unfolds across separable temporal regimes

大脑中的相干性在可分离的时间 regime 中展开

Davide Staub, Finn Rabe, Akhil Misra, Yves Pauli, Roya Hüppi, Ni Yang, Nils Lang, Lars Michels, Victoria Edkins, Sascha Frühholz, Iris Sommer, Wolfram Hinzen, Philipp Homan

机构 * Department of Adult Psychiatry and Psychotherapy, University of Zurich, Zurich, Switzerland（大学精神病学与心理学系，苏黎世大学，苏黎世，瑞士） ； Department of Translation and Language Sciences, University Pompeu Fabra, Barcelona, Spain（翻译与语言科学系，庞培法拉大学，巴塞罗那，西班牙） ； Department of Neuroradiology, Clinical Neuroscience Center, University Hospital Zurich, Zurich, Switzerland（神经放射学系，临床神经科学中心，苏黎世大学医院，苏黎世，瑞士） ； Department of Psychology, University of Oslo, Oslo, Norway（心理学系，奥斯陆大学，奥斯陆，挪威） ； Cognitive and Affective Neuroscience Unit, University of Zurich, Zurich, Switzerland（认知与情感神经科学单元，苏黎世大学，苏黎世，瑞士） ； Center for Clinical Neuroscience and Cognition, University of Groningen, Groningen, Netherlands（临床神经科学与认知中心，格罗宁根大学，格罗宁根，荷兰） ； Neuroscience Center Zurich, University of Zurich and ETH Zurich, Zurich, Switzerland（苏黎世神经科学中心，苏黎世大学和ETH苏黎世分校，苏黎世，瑞士） 纠错

专题命中 知识编辑与模型理解 ：LLM(abstract,abstract_cn)；large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 研究通过无标注的漂移和移位信号揭示了语言理解中相干性的神经机制，发现默认模式网络枢纽和初级听觉皮层存在不同的神经偏好。

Beyond Black-Box Interventions: Latent Probing for Faithful Retrieval-Augmented Generation

超越黑盒干预：用于忠实检索增强生成的潜在探测

Linfeng Gao, Qinggang Zhang, Baolong Bi, Bo Zeng, Zheng Yuan, Zerui Chen, Zhimin Wei, Shenghua Liu, Linlong Xu, Longyue Wang, Weihua Luo, Jinsong Su

机构 * School of Informatics, Xiamen University（厦门大学信息学院） ； The Hong Kong Polytechnic University（香港理工大学） ； University of Chinese Academy of Sciences（中国科学院大学） ； Alibaba Group（阿里巴巴集团） ； Key Laboratory of Digital Protection and Intelligent Processing of Intangible Cultural Heritage of Fujian and Taiwan (Xiamen University), Ministry of Culture and Tourism, China（福建省和台湾非物质文化遗产数字化保护与智能处理重点实验室（厦门大学），中华人民共和国文化和旅游部，中国） 纠错

专题命中 知识编辑与模型理解 ：LLM(abstract,abstract_cn)；preference optimization(abstract)；prompting(abstract)；分类 cs.CL

AI总结 本文提出ProbeRAG框架，通过潜在冲突探测和注意力调节提升检索增强生成的忠实度，解决传统方法在评估知识冲突时的不足。

Comments ACL 2026 Findings; Code is available at https://github.com/LinfengGao/ProbeRAG

VLMaterial: Vision-Language Model-Based Camera-Radar Fusion for Physics-Grounded Material Identification

VLMaterial: 基于视觉-语言模型的相机-雷达融合用于物理基础的材料识别

Jiangyou Zhu, He Chen

机构 * Department of Inforation Engineering（信息工程系） 纠错

专题命中 知识编辑与模型理解 ：language model(title,abstract)

AI总结 本文提出VLMaterial框架，通过融合视觉语言模型与雷达知识实现物理基础的材料识别，采用双管道架构和上下文增强生成策略，提升跨模态融合性能，实验表明其在120余次真实实验中达到96.08%的识别准确率。

Breaking the Generator Barrier: Disentangled Representation for Generalizable AI-Text Detection

突破生成器障碍：面向通用化AI-文本检测的解耦表示

Xiao Pu, Zepeng Cheng, Lin Yuan, Yu Wu, Xiuli Bi

机构 * Chongqing University of Posts and Telecommunications（重庆邮电大学） 纠错

专题命中 知识编辑与模型理解 ：LLM(abstract_cn)；large language model(abstract)；language model(abstract)；分类 cs.CL

AI总结 本文提出解耦框架，通过紧凑潜在编码和扰动正则化提升AI-文本检测的泛化能力，在MAGE基准上取得显著提升。

Causal Drawbridges: Characterizing Gradient Blocking of Syntactic Islands in Transformer LMs

因果桥梁：Transformer语言模型中语法岛屿的梯度阻塞特性

Sasha Boguraev, Kyle Mahowald

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

专题命中 知识编辑与模型理解 ：language model(abstract)；分类 cs.CL

AI总结 研究通过Transformer模型的因果干预揭示语法岛屿的提取机制，发现其与wh依赖关系机制相似但受阻程度不同，提出'and'在可提取与不可提取结构中表示方式不同。

Comments 19 pages, 7 figures, 3 tables

Modeling Student Learning with 3.8 Million Program Traces

用380万条程序轨迹建模学生学习

Alexis Ross, Megha Srivastava, Jeremiah Blanchard, Jacob Andreas

机构 * MIT CSAIL（麻省理工学院计算机科学与人工智能实验室） ； Stanford University（斯坦福大学） ； University of Florida（佛罗里达大学） 纠错

专题命中 知识编辑与模型理解 ：language model(abstract)；分类 cs.LG

AI总结 本文通过分析380万条程序轨迹，探讨训练语言模型以理解学生编程行为及学习过程，发现基于真实轨迹的模型能更准确预测学生行为并生成更正确的代码。

Comments Accepted to 27th International Conference on AI in Education (AIED 2026)

UNRIO: Uncertainty-Aware Velocity Learning for Radar-Inertial Odometry

UNRIO：面向雷达-惯性里程计的不确定性感知速度学习

Jui-Te Huang, Tinashu Huang, Anthony Rowe, Michael Kaess

机构 * Carnegie Mellon University（卡内基梅隆大学） 纠错

专题命中 知识编辑与模型理解 ：pretraining(abstract)

AI总结 UNRIO通过直接处理雷达IQ信号预测体坐标系速度，结合Transformer架构和GRT框架，在多模式下实现不确定性估计与姿态图融合，有效提升横向运动轨迹中的里程计精度。

Topic-Based Watermarks for Large Language Models

基于主题的大型语言模型水印

Alexander Nemecek, Yuzhou Jiang, Erman Ayday

机构 * Case Western Reserve University（凯斯西储大学） ； Meta Platforms, Inc（Meta公司） 纠错

专题命中 其他LLM ：LLM(summary_cn,abstract)；large language model(title,abstract)；language model(title,abstract)；分类 cs.CL、cs.LG

AI总结 本文提出一种轻量级主题引导的水印方案，通过将词汇库按主题划分，提升水印鲁棒性的同时保持生成文本的流畅性，实验表明其在多个LLM和基准测试中表现优异。

Comments Accepted at ACL 2026 Findings

Network Effects and Agreement Drift in LLM Debates

神经网络效应与LLM辩论中的共识漂移

Erica Cau, Andrea Failla, Giulio Rossetti

机构 * Department of Computer Science, University of Pisa（比萨大学计算机科学系） ； ISTI-CNR（意大利国家研究委员会ISTI研究所） 纠错

专题命中 其他LLM ：LLM(title,title_cn)；large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本文通过受控同质性和群体规模的网络生成模型，研究了LLM代理在多轮辩论中的集体行为，揭示了共识漂移现象，强调需区分结构效应与模型偏差以正确理解LLM群体的行为。

Interpretable Stylistic Variation in Human and LLM Writing Across Genres, Models, and Decoding Strategies

人类与大语言模型在不同体裁、模型和解码策略下的可解释性风格差异

Swati Rallapalli, Shannon Gallagher, Ronald Yurko, Tyler Brooks, Chuck Loughin, Michele Sezgin, Violet Turri

机构 * Software Engineering Institute, AI Division, Carnegie Mellon University（卡内基梅隆大学软件工程院，人工智能分部） ； Department of Statistics & Data Science, Carnegie Mellon University（卡内基梅隆大学统计与数据科学系） 纠错

专题命中 其他LLM ：LLM(title,summary_cn)；large language model(abstract)；language model(abstract)；prompting(abstract)

AI总结 本文通过分析11个LLM在8种体裁和4种解码策略下的风格差异，揭示了模型和体裁对生成文本风格的主导作用，以及生成条件对风格差异的有限影响。

GUIDE: Guided Updates for In-context Decision Evolution in LLM-Driven Spacecraft Operations

GUIDE：用于LLM驱动航天任务中上下文决策演化的引导更新

Alejandro Carrasco, Mariko Storey-Matsutani, Victor Rodriguez-Fernandez, Richard Linares

机构 * Massachusetts Institute of Technology（麻省理工学院） ； Universidad Politecnica de Madrid（马德里理工大学） 纠错

专题命中 其他LLM ：LLM(title,title_cn)；large language model(abstract)；language model(abstract)；prompting(abstract)

AI总结 GUIDE通过非参数策略改进框架实现跨回合适应，利用结构化决策规则提升航天任务性能，实验表明其在对抗性轨道拦截任务中优于静态基线。

Comments Accepted to AI4Space@CVPR Workshop in CVPR 2026

A closer look at how large language models trust humans: patterns and biases

深入探讨大型语言模型如何信任人类：模式与偏见

Valeria Lerman, Yaniv Dover

机构 * The Hebrew University Business School（希伯来大学商学院） ； The Federmann Center for the study of Rationality（费德曼理性研究中心） ； The Hebrew University of Jerusalem（特拉维夫希伯来大学） 纠错

专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)；LLM(abstract,abstract_cn)；分类 cs.CL、cs.AI

AI总结 研究探讨大型语言模型在决策场景中对人类的信任发展，分析信任维度和人口变量的影响，发现模型信任与人类信任相似但存在偏差。

Journal ref Proceedings of the Royal Society A 482 2335 20251113 (2026)

Hierarchical Reinforcement Learning with Augmented Step-Level Transitions for LLM Agents

具有增强步骤级转换的分层强化学习用于大语言模型代理

Shuai Zhen, Yanhua Yu, Ruopei Guo, Nan Cheng, Yang Deng

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； China Mobile Group Design Institute Co., Ltd（中国移动集团设计院有限公司） ； Singapore Management University（新加坡管理大学） 纠错

专题命中 其他LLM ：LLM(title,summary_cn)；large language model(abstract)；language model(abstract)；分类 cs.AI、cs.LG

AI总结 本文提出STEP-HRL框架，通过仅基于单步转换而非完整交互历史实现步骤级学习，提升LLM代理在复杂任务中的性能和泛化能力，同时减少token使用。

Comments Accepted to ACL 2026 Main Conference

LLM-Enabled Open-Source Systems in the Wild: An Empirical Study of Vulnerabilities in GitHub Security Advisories

基于大语言模型的开源系统在现实中的应用：对GitHub安全通告中漏洞的实证研究

Fariha Tanjim Shifat, Hariswar Baburaj, Ce Zhou, Jaydeb Sarker, Mia Mohammad Imran

专题命中 其他LLM ：LLM(title,summary_cn)；large language model(abstract,comments)；language model(abstract,comments)

AI总结 本研究分析了295份GitHub安全通告，发现大多数漏洞映射到已知CWE，但模型中介暴露不足，建议结合CWE和OWASP视角更全面地评估LLM集成系统的漏洞。

Comments The 2nd International Workshop on Large Language Model Supply Chain Analysis (LLMSC 2026)

Numerical Instability and Chaos: Quantifying the Unpredictability of Large Language Models

数值不稳定性与混沌：量化大型语言模型的不可预测性

Chashi Mahiul Islam, Alan Villarreal, Mao Nishino, Shaeke Salman, Xiuwen Liu

机构 * Department of Computer Science, Florida State University, Tallahassee, USA（佛罗里达州立大学计算机科学系，塔拉希西亚，美国） ； Department of Mathematics, Florida State University, Tallahassee, USA（佛罗里达州立大学数学系，塔拉希西亚，美国） 纠错

专题命中 其他LLM ：large language model(title,abstract)；language model(title,abstract)；分类 cs.AI、cs.LG

AI总结 本文研究了大型语言模型中数值不稳定性导致的不可预测性，揭示了浮点精度限制下误差传播机制，识别出混沌效应及三种不同行为模式。

Comments 8 pages, 9 figures

From Exploration to Specification: LLM-Based Property Generation for Mobile App Testing

从探索到规范：基于LLM的移动应用测试属性生成

Yiheng Xiong, Shiwen Song, Bo Ma, Ting Su, Xiaofei Xie

专题命中 其他LLM ：LLM(title,title_cn)

AI总结 本文提出PropGen，通过功能引导探索收集行为证据，生成并优化属性，发现25个未被现有方法发现的功能性bug。

Strategic Response of News Publishers to Generative AI

新闻出版商对生成式人工智能的战略回应

Hangcheng Zhao, Ron Berman

机构 * Rutgers Business School（罗格斯商学院） ； The Wharton School of the University of Pennsylvania（宾夕法尼亚大学沃顿商学院） 纠错

专题命中 其他LLM ：LLM(summary_cn,abstract)；分类 cs.AI

AI总结 研究分析生成式人工智能对新闻出版商的影响，发现其通过封锁LLM访问、转向高质量内容及增加招聘需求等策略应对竞争威胁。

OmniTrace: A Unified Framework for Generation-Time Attribution in Omni-Modal LLMs

OmniTrace：面向多模态大语言模型生成过程的统一归因框架

Qianqi Yan, Yichen Guo, Ching-Chen Kuo, Shan Jiang, Hang Yin, Yang Zhao, Xin Eric Wang

机构 * University of California, Santa Barbara（加州大学圣巴巴拉分校） ； eBay 纠错

专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.CL、cs.AI

AI总结 OmniTrace提出一种轻量级框架，通过生成过程追踪实现多模态大语言模型的统一归因，提供跨模态解释并提升解释的稳定性和可解释性。

MCPThreatHive: Automated Threat Intelligence for Model Context Protocol Ecosystems

MCPThreatHive：面向模型上下文协议生态系统的自动化威胁情报

Yi Ting Shen, Kentaroh Toyoda, Alex Leung

机构 * Vulcan Research（Vulcan研究） 纠错

专题命中 其他LLM ：LLM(abstract,abstract_cn)；分类 cs.AI

AI总结 本文提出MCPThreatHive平台，通过AI驱动威胁提取与分类，解决MCP安全威胁建模不完整、威胁情报不连续及分类不统一的问题。

Comments A white paper of our presentation at DEFCON SG 2026 (Demo Labs) https://defcon.org/html/defcon-singapore/dc-singapore-demolabs.html

Applying an Agentic Coding Tool for Improving Published Algorithm Implementations

应用代理编码工具改进已发表的算法实现

Worasait Suwannik

机构 * Worasait Suwannik（独立研究者） 纠错

专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本文提出一个两阶段流程，利用AI改进已发表的算法实现。首先，大语言模型识别符合条件的算法，其次通过Claude Code重复基准并迭代改进。研究显示所有实验均取得改进，且需单日完成，同时讨论了人类在选择目标、验证实验有效性等方面不可替代的作用。

Visual Self-Fulfilling Alignment: Shaping Safety-Oriented Personas via Threat-Related Images

视觉自我实现对齐：通过威胁相关图像塑造安全导向的人设

Qishun Yang, Shu Yang, Lijie Hu, Di Wang

机构 * King Abdullah University of Science and Technology（国王阿卜杜勒·阿齐兹大学科学与技术学院） ； Provable Responsible AI and Data Analytics Lab（可证责任AI与数据分析实验室） ； Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学） ； China University of Petroleum-Beijing at Karamay（北京石油大学克拉玛依校区） 纠错

专题命中 其他LLM ：large language model(abstract)；language model(abstract)；分类 cs.AI

AI总结 本文提出视觉自我实现对齐方法，通过威胁相关图像训练视觉语言模型，塑造安全导向的人设，减少攻击成功率并提升响应质量。

Linear Probe Accuracy Scales with Model Size and Benefits from Multi-Layer Ensembling

线性探针的准确性与模型规模成正比，并受益于多层集成

Erik Nordby, Tasha Pais, Aviel Parrack

机构 * Georgia Institute of Technology, Atlanta, Georgia, USA（佐治亚理工学院） ； Independent Researcher（独立研究者） ； Stanford University, Stanford, California, USA（斯坦福大学） 纠错

专题命中 其他LLM ：language model(abstract)；分类 cs.LG

AI总结 研究显示，多层集成的线性探针在多个任务中优于单层探针，提升AUROC性能，并发现模型规模与探针准确性呈正相关。

A Multi-Model Approach to English-Bangla Sentiment Classification of Government Mobile Banking App Reviews

一种多模型方法用于政府移动银行应用评论的英语-孟加拉语情感分类

Md. Naim Molla, Md Muhtasim Munif Fahim, Md. Binyamin, Md Jahid Hasan Imran, Tonmoy Shil, Nura Rayhan, Md Rezaul Karim

机构 * Data Science Research Lab, Department of Statistics, University of Rajshahi（数据科学研究实验室，统计系，拉贾沙希大学） ； Department of Statistics, Mawlana Bhashani Science and Technology University（统计系，穆拉纳·巴希安尼科学与技术大学） ； Department of Statistics, University of Rajshahi（统计系，拉贾沙希大学） 纠错

专题命中 其他LLM ：language model(abstract)；分类 cs.CL

AI总结 研究通过多模型方法分析四款孟加拉国政府银行应用的英语和孟加拉语评论，发现传统模型在情感分类中表现优于Transformer模型，且孟加拉语文本的准确性差距凸显了低资源语言模型开发的必要性。

SpeakerRPL v2: Robust Open-set Speaker Identification through Enhanced Few-shot Foundation Tuning and Model Fusion

SpeakerRPL v2：通过增强的少样本基础微调和模型融合实现鲁棒的开集说话人识别

Zhiyong Chen, Shuhang Wu, Yingjie Duan, Xinkang Xu, Xinhui Hu

专题命中 其他LLM ：foundation model(abstract)

AI总结 本文提出基于预训练说话人基础模型的改进开集说话人识别方法，通过增强的开集学习目标和模型融合策略提升鲁棒性和泛化能力，在多个数据集上验证了方法的有效性。

Comments ICASSP 2026. Code Available:https://github.com/zhiyongchenGREAT/Few-shot-Robust-Speaker-TTS/tree/v2.1

SocialMirror: Reconstructing 3D Human Interaction Behaviors from Monocular Videos with Semantic and Geometric Guidance

SocialMirror: 从单目视频中利用语义和几何引导重建3D人体交互行为

Qi Xia, Peishan Cong, Ziyi Wang, Yujing Sun, Qin Sun, Xinge Zhu, Mao Ye, Ruigang Yang, Yuexin Ma

机构 * ShanghaiTech University（上海科技大学） ； Nanyang Technological University（南洋理工大学） ； Guangzhou Institute of Energy Conversion, CAS（广州能源研究所，中国科学院） ； University of Science and Technology of China（中国科学技术大学） ； The Chinese University of Hong Kong（香港中文大学） ； Inceptio Technology（Inceptio科技） ； Shanghai Jiao Tong University（上海交通大学） 纠错

专题命中 其他LLM ：language model(abstract)

AI总结 本文提出SocialMirror框架，通过语义和几何引导解决单目视频中人体重建的挑战，实现高精度交互行为重建，展现强大的泛化能力。

Calibrated Abstention for Reliable TCR--pMHC Binding Prediction under Epitope Shift

校准的回避策略：在表位偏移下实现可靠的TCR-pMHC结合预测

Arman Bekov, Timur Bekzhanov, Bekzat Sadykov

专题命中 其他LLM ：language model(abstract)

AI总结 本文提出一种校准的回避方法，通过双编码器架构和温度缩放技术，提升TCR-pMHC结合预测的可靠性，减少预测误差，适应表位偏移挑战。

(Un)solvable Matrix Models for BPS Correlators

不可解的矩阵模型用于BPS相关函数

Prokopii Anempodistov, Adolfo Holguin, Vladimir Kazakov, Harish Murali

专题命中 其他LLM ：LLM(abstract)

AI总结 本文提出并研究了一类复矩阵模型，用于计算N=4 SYM中的保护二点和三点相关函数。通过该模型，可直接关联矩阵模型中

Comments 76 pages, 16 figures; v2: added references and acknowledgements, typos fixed, section 7.1.2 revised

Journal ref JHEP04(2026)069